周依涵

摘?要：數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字化轉(zhuǎn)型對(duì)制造企業(yè)勞動(dòng)生產(chǎn)率的影響越來越受到關(guān)注?；?010-2022年中國(guó)A股制造業(yè)上市公司數(shù)據(jù)，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響。研究結(jié)果表明，數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)的勞動(dòng)生產(chǎn)率。經(jīng)過替換解釋變量與被解釋變量、改變樣本區(qū)間等一系列穩(wěn)健性檢驗(yàn)，研究結(jié)論仍然成立。從影響機(jī)制上看，數(shù)字化轉(zhuǎn)型能夠通過提升企業(yè)的技術(shù)創(chuàng)新能力，降低企業(yè)成本，進(jìn)一步促進(jìn)企業(yè)勞動(dòng)生產(chǎn)率的提高。異質(zhì)性分析發(fā)現(xiàn)，對(duì)于西部地區(qū)企業(yè)、國(guó)有企業(yè)和成熟企業(yè)來說，數(shù)字化轉(zhuǎn)型的勞動(dòng)生產(chǎn)率促進(jìn)效應(yīng)更加顯著。

關(guān)鍵詞關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；企業(yè)勞動(dòng)生產(chǎn)率；技術(shù)創(chuàng)新；成本費(fèi)用

中圖分類號(hào)中圖分類號(hào)：F272.3；F242

文獻(xiàn)標(biāo)識(shí)碼：A

DOIdoi：10.3969/j.issn.1672-2272.202404103

英文標(biāo)題Research on the Impact of Digital Transformation on Labor Productivity of Enterprises：Empirical Testing Based on A-share Manufacturing Listed Companies in China

Zhou Yihan

（School of Business，Zhengzhou University，Zhengzhou 450001，China）

英文摘要Abstract： In the era of digital economy，the impact of digital transformation on labor productivity of manufacturing enterprises is receiving increasing attention.Based on the data of Chinese A-share manufacturing listed companies from 2010 to 2022，this study empirically tests the impact of digital transformation on labor productivity of enterprises.The research results indicate that digital transformation has significantly improved the labor productivity of enterprises.After a series of robustness tests such as replacing explanatory variables，replacing dependent variables，and changing sample intervals，the research conclusion still holds.From the perspective of impact mechanism，digital transformation can further promote the improvement of labor productivity by enhancing the technological innovation ability of enterprises，reducing their costs and expenses.Research based on heterogeneity has found that the labor productivity promotion effect of digital transformation is more pronounced for enterprises，state-owned enterprises，and mature enterprises in the western region.

英文關(guān)鍵詞Key Words：Digital Transformation；Labor Productivity；Technological Innovation；Cost Expenses

0?引言

隨著新一輪科技革命的到來，數(shù)字經(jīng)濟(jì)逐漸成為世界經(jīng)濟(jì)的新引擎。2020年習(xí)近平總書記在中央經(jīng)濟(jì)工作會(huì)議上強(qiáng)調(diào)，“要大力發(fā)展數(shù)字經(jīng)濟(jì)”。我國(guó)“十四五”規(guī)劃也指出，要“迎接數(shù)字時(shí)代，激活數(shù)據(jù)要素潛能，推進(jìn)網(wǎng)絡(luò)強(qiáng)國(guó)建設(shè)，加快建設(shè)數(shù)字經(jīng)濟(jì)、數(shù)字社會(huì)、數(shù)字政府，以數(shù)字化轉(zhuǎn)型整體驅(qū)動(dòng)生產(chǎn)方式、生活方式和治理方式變革”。黨的二十大報(bào)告提出，“加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合”，進(jìn)一步強(qiáng)調(diào)了推動(dòng)經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型的重要性，凸顯了數(shù)字化在技術(shù)變革中的核心戰(zhàn)略地位。

數(shù)字經(jīng)濟(jì)基于數(shù)字化技術(shù)，充分挖掘制造企業(yè)數(shù)據(jù)潛在價(jià)值，推動(dòng)企業(yè)產(chǎn)能和產(chǎn)業(yè)不斷升級(jí)，實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展[1]。在數(shù)字革命的浪潮下，許多企業(yè)都意識(shí)到數(shù)字化轉(zhuǎn)型所帶來的機(jī)遇與挑戰(zhàn)，并積極主動(dòng)地開展轉(zhuǎn)型活動(dòng)[2]。大數(shù)據(jù)、人工智能、云計(jì)算的應(yīng)用可助力企業(yè)實(shí)現(xiàn)效率改善，數(shù)字化轉(zhuǎn)型所帶來的技術(shù)層面、經(jīng)營(yíng)模式與管理思維上的深刻變革更是推動(dòng)企業(yè)持續(xù)成長(zhǎng)的重要引擎[3]。為實(shí)現(xiàn)高質(zhì)量發(fā)展，企業(yè)需突破原有瓶頸，需要高效的生產(chǎn)率作為支撐[4]。然而，要實(shí)現(xiàn)這一目標(biāo)，單純依靠傳統(tǒng)的生產(chǎn)要素投入已難以滿足需求，必須尋找新的增長(zhǎng)動(dòng)力。勞動(dòng)生產(chǎn)率是衡量生產(chǎn)效率的重要指標(biāo)，勞動(dòng)生產(chǎn)率的提升不僅能夠提高經(jīng)濟(jì)效益，還能夠推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)，增強(qiáng)經(jīng)濟(jì)的內(nèi)生增長(zhǎng)動(dòng)力[5]。當(dāng)前，數(shù)字化與勞動(dòng)生產(chǎn)率之間的關(guān)系，一直是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)，現(xiàn)有文獻(xiàn)對(duì)此進(jìn)行了多層次、多角度的探討。已有研究大多重點(diǎn)關(guān)注宏觀環(huán)境或某個(gè)行業(yè)中數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)生產(chǎn)率的影響[6-9]，并使用省級(jí)面板數(shù)據(jù)或城市面板數(shù)據(jù)對(duì)其進(jìn)行檢驗(yàn)，而對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與勞動(dòng)生產(chǎn)率關(guān)系的實(shí)證研究較少。此外，在關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型與勞動(dòng)生產(chǎn)率的研究方面，其一，現(xiàn)有研究對(duì)二者之間的關(guān)系存在爭(zhēng)議。大部分研究指出，數(shù)字化可以提升企業(yè)生產(chǎn)效率[10-11]；然而有少部分學(xué)者指出數(shù)字化在促進(jìn)企業(yè)變革的同時(shí)，也可能帶來一系列問題，如風(fēng)險(xiǎn)管控復(fù)雜化、管理費(fèi)用增高[12]，最終將不利于企業(yè)生產(chǎn)率的提升。其二，已有研究往往以企業(yè)融資困境和企業(yè)內(nèi)部治理[13]、企業(yè)管理效率[14]、研發(fā)投入以及資金利用率[15]等作為切入點(diǎn)，少有文獻(xiàn)從技術(shù)創(chuàng)新和成本費(fèi)用的視角出發(fā)來探討數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響機(jī)制。

因此，基于上述對(duì)宏觀背景和研究背景的梳理和總結(jié)，為進(jìn)一步研究現(xiàn)階段中國(guó)制造企業(yè)勞動(dòng)生產(chǎn)率的增長(zhǎng)問題，文章基于中國(guó)制造業(yè)上市公司2010-2022年的數(shù)據(jù)，探究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)勞動(dòng)生產(chǎn)率的作用及影響機(jī)制。與已有研究相比，本文可能的邊際貢獻(xiàn)為：第一，利用現(xiàn)有微觀數(shù)據(jù)，分析并驗(yàn)證了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的直接影響機(jī)制，進(jìn)一步補(bǔ)充了勞動(dòng)生產(chǎn)率微觀層面的相關(guān)研究，也更為清晰地揭示了數(shù)字化轉(zhuǎn)型對(duì)實(shí)體經(jīng)濟(jì)的重要影響。第二，從技術(shù)創(chuàng)新和成本費(fèi)用兩個(gè)渠道深入探究數(shù)字化轉(zhuǎn)型影響企業(yè)勞動(dòng)生產(chǎn)率的作用機(jī)制，提供了新的研究視角，豐富了數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)生產(chǎn)率之間的間接作用機(jī)制。研究結(jié)論也能夠?yàn)槲覈?guó)制造企業(yè)的勞動(dòng)生產(chǎn)效率提高提供理論支持。有利于指導(dǎo)企業(yè)積極進(jìn)行技術(shù)研發(fā)創(chuàng)新活動(dòng)，提高技術(shù)創(chuàng)新投入與產(chǎn)出質(zhì)量，提升企業(yè)技術(shù)創(chuàng)新能力；同時(shí)能夠引導(dǎo)企業(yè)通過數(shù)字技術(shù)的應(yīng)用，提升生產(chǎn)過程的可控性，提高信息處理能力，進(jìn)一步降低企業(yè)生產(chǎn)成本，優(yōu)化資源配置，提升企業(yè)勞動(dòng)生產(chǎn)率。第三，分析了數(shù)字化轉(zhuǎn)型對(duì)不同地理區(qū)域、企業(yè)產(chǎn)權(quán)和企業(yè)年齡的制造企業(yè)勞動(dòng)生產(chǎn)率的影響差異，為制造企業(yè)精準(zhǔn)制定數(shù)字化轉(zhuǎn)型方案提供了理論指導(dǎo)和實(shí)踐參考。

1?理論分析與研究假設(shè)

1.1?數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響

企業(yè)中數(shù)字化技術(shù)的廣泛應(yīng)用，使得生產(chǎn)制造流程和服務(wù)流程更加智能化，大幅提升了生產(chǎn)效率[4]。同時(shí)，自動(dòng)化技術(shù)的應(yīng)用也減少了人為因素的干擾，降低了生產(chǎn)過程中的錯(cuò)誤率，進(jìn)一步提升了產(chǎn)品的可靠性和競(jìng)爭(zhēng)力。比如智能倉(cāng)庫(kù)、智能工廠的建立，以及智能物流系統(tǒng)的打造，減少了普通員工的使用，降低了企業(yè)的運(yùn)營(yíng)成本，使得生產(chǎn)過程更加高效、精準(zhǔn)和可靠[16]。在智能化業(yè)務(wù)模式下，智能員工與普通員工相比，擁有更強(qiáng)的數(shù)據(jù)處理和分析能力，能夠在相同的單位時(shí)間內(nèi)完成更多的工作任務(wù)，實(shí)現(xiàn)生產(chǎn)數(shù)量的顯著提升；同時(shí)，智能員工通過機(jī)器學(xué)習(xí)技術(shù)，可以快速掌握工作技巧，不僅提高了工作效率，還能進(jìn)一步提升產(chǎn)品質(zhì)量。

數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)的深度融合會(huì)產(chǎn)生人機(jī)協(xié)同效應(yīng)，進(jìn)一步實(shí)現(xiàn)生產(chǎn)和管理的智能化[17]。傳統(tǒng)生產(chǎn)要素與數(shù)據(jù)要素的深度融合，會(huì)不斷革新和優(yōu)化生產(chǎn)方式與管理模式[18]，推動(dòng)企業(yè)整體勞動(dòng)生產(chǎn)效率提升。此外，智能互聯(lián)技術(shù)在供應(yīng)鏈、生產(chǎn)鏈和服務(wù)鏈的廣泛應(yīng)用，成功打破了勞動(dòng)者之間存在的“信息壁壘”，實(shí)現(xiàn)了信息的順暢交流與互通。這一舉措使得企業(yè)員工能夠獲取到更為詳盡、全面且及時(shí)的數(shù)據(jù)，從而提升了整體運(yùn)營(yíng)效率和服務(wù)質(zhì)量。企業(yè)員工基于獲得的高效的生產(chǎn)管理數(shù)據(jù)參與生產(chǎn)[19]，提高了勞動(dòng)質(zhì)量與效率。

企業(yè)可通過數(shù)字化轉(zhuǎn)型連接生產(chǎn)與管理的全部流程，實(shí)現(xiàn)生產(chǎn)制造、業(yè)務(wù)流程和業(yè)務(wù)模式等重大變革，提高產(chǎn)品質(zhì)量和生產(chǎn)效率。因此基于上述分析，提出以下研究假設(shè)：

H1：企業(yè)數(shù)字化轉(zhuǎn)型有助于提高企業(yè)勞動(dòng)生產(chǎn)率。

1.2?技術(shù)創(chuàng)新的中介作用

從狹義角度來說，技術(shù)創(chuàng)新是新產(chǎn)品問世或老產(chǎn)品改造過程中生產(chǎn)要素的重組；從廣義角度來說，技術(shù)創(chuàng)新是在生產(chǎn)實(shí)踐中重組生產(chǎn)要素，創(chuàng)造性地運(yùn)用各種知識(shí)、經(jīng)驗(yàn)和技能獲得長(zhǎng)遠(yuǎn)的經(jīng)濟(jì)效益的一種手段。數(shù)字化轉(zhuǎn)型能通過優(yōu)化創(chuàng)新要素促進(jìn)企業(yè)技術(shù)創(chuàng)新。數(shù)字化轉(zhuǎn)型改變了企業(yè)獲取外部信息的方式，使得企業(yè)能夠運(yùn)用數(shù)據(jù)進(jìn)行精確分析和預(yù)測(cè)。通過對(duì)海量數(shù)據(jù)的收集、轉(zhuǎn)化、整合和分析，加快企業(yè)信息獲取速度，提高企業(yè)獲取信息的質(zhì)量，使企業(yè)可以更有針對(duì)性地開展技術(shù)創(chuàng)新活動(dòng)[20]，降低了創(chuàng)新風(fēng)險(xiǎn)。李薇和李莉[21]認(rèn)為，數(shù)字化轉(zhuǎn)型可以加快企業(yè)研發(fā)創(chuàng)新步伐。同時(shí)，數(shù)字化轉(zhuǎn)型有助于促進(jìn)員工主動(dòng)參與相關(guān)技能培訓(xùn)，構(gòu)建學(xué)習(xí)型組織，有效銜接數(shù)字技術(shù)與產(chǎn)品研發(fā)，進(jìn)而提升企業(yè)技術(shù)創(chuàng)新能力。王丁[22]提出，基于新增長(zhǎng)理論，企業(yè)在技術(shù)上取得的進(jìn)步是提高企業(yè)生產(chǎn)、運(yùn)營(yíng)效率的根本要素，同時(shí)也是自身經(jīng)濟(jì)增長(zhǎng)的內(nèi)生驅(qū)動(dòng)力。鮑曉娜和范曉男[23]梳理并列舉了國(guó)外多位學(xué)者的理論文獻(xiàn)和實(shí)證研究，總結(jié)得出許多學(xué)者明確提出了技術(shù)創(chuàng)新對(duì)于生產(chǎn)率的提升具有促進(jìn)作用?；谏鲜龇治觯岢鲆韵卵芯考僭O(shè)：

H2：數(shù)字化轉(zhuǎn)型可以推動(dòng)企業(yè)技術(shù)創(chuàng)新，進(jìn)一步提高企業(yè)勞動(dòng)生產(chǎn)率。

1.3?成本費(fèi)用的中介作用

企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型可以通過降低成本費(fèi)用進(jìn)一步提高企業(yè)整體勞動(dòng)生產(chǎn)率。首先，數(shù)字化轉(zhuǎn)型通過優(yōu)化資源配置的合理性，以及提升生產(chǎn)過程的可控性，有效降低了企業(yè)的生產(chǎn)成本。數(shù)字技術(shù)為生產(chǎn)設(shè)備的高效智能化升級(jí)提供了有力支持：通過智能硬件與軟件的深度融合，實(shí)現(xiàn)了數(shù)據(jù)的實(shí)時(shí)收集與分析，從而為生產(chǎn)決策提供了智能化的支持。這樣不僅有效減少了機(jī)器檢修、停機(jī)以及工序間過渡的時(shí)間，還顯著降低了運(yùn)維和庫(kù)存成本，進(jìn)而大幅提升了企業(yè)的生產(chǎn)效率[24]。其次，數(shù)字化轉(zhuǎn)型能夠通過降低企業(yè)的信息搜尋成本來加快企業(yè)內(nèi)部的工作效率。在數(shù)字化浪潮的推動(dòng)下，先進(jìn)數(shù)字技術(shù)的廣泛應(yīng)用，使得企業(yè)能夠更加高效地處理和分析各類信息。企業(yè)各部門之間可能會(huì)存在信息壁壘，導(dǎo)致信息傳遞不暢、搜尋成本高。大數(shù)據(jù)、人工智能等先進(jìn)數(shù)字技術(shù)的應(yīng)用使得企業(yè)的信息處理能力不斷提升，企業(yè)內(nèi)部不同系統(tǒng)之間的數(shù)據(jù)傳輸與分析過程也變得更加簡(jiǎn)捷、高效[25]，不僅降低了企業(yè)各部門之間的信息搜尋成本，還進(jìn)一步促進(jìn)了企業(yè)內(nèi)部信息的共享和流通，打破了部門之間的壁壘，加強(qiáng)了團(tuán)隊(duì)協(xié)作，進(jìn)一步提升了整體工作效率。除此之外，還降低了企業(yè)外部信息的搜集成本。通過數(shù)字技術(shù)的運(yùn)用，企業(yè)可以更加迅速地獲取所需信息，準(zhǔn)確洞悉市場(chǎng)，作出科學(xué)決策，從而優(yōu)化資源配置，提高生產(chǎn)效率?；谏鲜龇治?，提出以下研究假設(shè)：

H3：數(shù)字化轉(zhuǎn)型可以降低企業(yè)生產(chǎn)成本，進(jìn)一步提高企業(yè)勞動(dòng)生產(chǎn)率。

2?研究設(shè)計(jì)

2.1?樣本選擇與數(shù)據(jù)來源

選取2010-2022年深滬A股制造業(yè)上市公司作為研究樣本，深入探究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響及其影響機(jī)制。實(shí)證部分所使用的數(shù)據(jù)來自于上市公司年報(bào)和國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)。為確保研究結(jié)果的準(zhǔn)確性和可靠性，我們對(duì)研究樣本進(jìn)行了如下篩選與處理：①剔除ST股、*ST股以及退市的上市公司樣本，以規(guī)避潛在的市場(chǎng)風(fēng)險(xiǎn)；②剔除關(guān)鍵數(shù)據(jù)嚴(yán)重缺失的樣本；③采用線性插值方法，對(duì)部分?jǐn)?shù)據(jù)缺失的樣本進(jìn)行了合理補(bǔ)全。為避免異常值或極端值對(duì)研究結(jié)果造成不利影響，對(duì)所有連續(xù)型變量進(jìn)行臨界值為1%的Winsorize縮尾處理。經(jīng)過上述篩選和處理，最終獲得到了18 571個(gè)觀測(cè)值。

2.2?變量定義

2.2.1?被解釋變量

企業(yè)勞動(dòng)生產(chǎn)率（Labor）。借鑒蔡慶豐等[26]、謝繁寶等[27]和牛志偉等[5]的研究，使用企業(yè)營(yíng)業(yè)收入與企業(yè)從業(yè)人員數(shù)量的比值來衡量企業(yè)勞動(dòng)生產(chǎn)率。此外，湯萱等[13]認(rèn)為使用全要素生產(chǎn)率可以更準(zhǔn)確全面地衡量企業(yè)勞動(dòng)生產(chǎn)率，因此在后文穩(wěn)健性檢驗(yàn)中使用全要素生產(chǎn)率（LP）來替代衡量企業(yè)勞動(dòng)生產(chǎn)率。

2.2.2?解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型程度（Digital）。數(shù)字化轉(zhuǎn)型的定量測(cè)度是當(dāng)下學(xué)界關(guān)注的焦點(diǎn)，上市公司的年度報(bào)告披露內(nèi)容詳細(xì)且真實(shí)，具有重要的參考價(jià)值[28]，因此不少學(xué)者通過統(tǒng)計(jì)上市公司年報(bào)中的關(guān)鍵詞詞頻，來度量該企業(yè)數(shù)字化轉(zhuǎn)型程度。本文借鑒吳非等[29]的數(shù)字化轉(zhuǎn)型關(guān)鍵詞表，通過Python整理公司年報(bào)，利用Python的Jieba分詞功能，對(duì)年報(bào)進(jìn)行分詞，再對(duì)詞頻結(jié)果進(jìn)行加總，最后對(duì)其加1再取自然對(duì)數(shù)，從而得到企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)。

2.2.3?中介變量

對(duì)于技術(shù)創(chuàng)新的測(cè)度，以往研究多采用專利申請(qǐng)數(shù)量來表現(xiàn)創(chuàng)新產(chǎn)出。介于企業(yè)專利申請(qǐng)數(shù)據(jù)缺失較多，且專利授權(quán)具有滯后性，如果使用專利申請(qǐng)數(shù)量可能會(huì)高估企業(yè)技術(shù)創(chuàng)新水平，使用專利授權(quán)數(shù)量可能會(huì)低估企業(yè)技術(shù)創(chuàng)新能力[30]。因此本文借鑒劉凱月等[30]的研究，采用企業(yè)研發(fā)投入資金取自然對(duì)數(shù)來度量企業(yè)技術(shù)創(chuàng)新，該值越大，表明企業(yè)技術(shù)能力越強(qiáng)。

對(duì)于成本費(fèi)用的測(cè)度，參考趙宸宇等[31]的做法，采用成本費(fèi)用率（Cost）來衡量企業(yè)成本降低效應(yīng)，計(jì)算公式為：（主營(yíng)業(yè)務(wù)成本+管理費(fèi)用）/主營(yíng)業(yè)務(wù)收入。

2.2.4控制變量

為了控制其他因素對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響，本文借鑒已有文獻(xiàn)，選取以下變量作為本研究的控制變量：資產(chǎn)負(fù)債率（Gearing）、資產(chǎn)收益率（ROV）、董事會(huì)規(guī)模（DS）、企業(yè)雇傭規(guī)模（Scale）、平均工資（Ｗage）、資本密集度 （Cap_inten）。具體的衡量方法如表1所示。

2.3?模型設(shè)定

首先，為探究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響，設(shè)定如下基準(zhǔn)模型：

Laborit=α0+α1Digitalit+α2CVsit+ΣYear+ΣIndustry+εit （1）

其次，文章利用中介三步法，檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響機(jī)制問題，具體模型如下：

Laborit=α0+α1Digitalit+α2CVsit+ΣYear+ΣIndustry+εit ?（2）

Mediatorit=β0+β1Digitalit+β2CVsit+ΣYear+ΣIndustry+εit ?（3）

Laborit=η0+η1Digitalit+η2Mediatorit+η3CVsit+ΣYear+ΣIndustry+εit ?（4）

其中，變量下標(biāo)i、t分別為公司、時(shí)間。Labor為企業(yè)勞動(dòng)生產(chǎn)率，Digital為企業(yè)數(shù)字化轉(zhuǎn)型水平，Mediator為中介變量，包括企業(yè)技術(shù)創(chuàng)新和成本費(fèi)用。α0、β0、η0為常數(shù)項(xiàng)，εit為隨機(jī)誤差項(xiàng)，CVsit代表控制變量。為保證實(shí)證結(jié)論的可靠性，文章還納入了時(shí)間（Year）和行業(yè)（Industry）虛擬變量，以控制時(shí)間和行業(yè)層面的不可觀測(cè)因素。

3?實(shí)證結(jié)果分析

3.1?變量描述性統(tǒng)計(jì)

由表2中可知，制造業(yè)企業(yè)勞動(dòng)生產(chǎn)率（Labor）最小值為3.971，最大值為11.890，均值為8.289，標(biāo)準(zhǔn)差為0.972，說明制造業(yè)上市企業(yè)勞動(dòng)生產(chǎn)率差異較大。而企業(yè)數(shù)字化轉(zhuǎn)型（Digital）的最小值為0，最大值為6.999，中位數(shù)為2.773，均值為2.742，其中標(biāo)準(zhǔn)差為1.114，說明不同制造業(yè)企業(yè)之間的數(shù)字化轉(zhuǎn)型程度差異較大。有部分樣本公司屬于已意識(shí)到數(shù)字化轉(zhuǎn)型對(duì)企業(yè)未來發(fā)展的重要性，但仍存在未進(jìn)行數(shù)字化轉(zhuǎn)型的制造企業(yè)，其余變量的分布特征與以往研究基本類似，不再贅述。

3.2?基準(zhǔn)回歸分析

企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響如表3所示。表3第（1）列為只加入核心解釋變量的回歸結(jié)果，表3第（2）列為同時(shí)控制年度固定效應(yīng)和行業(yè)固定效應(yīng)后的回歸結(jié)果，表3第（3）列為加入企業(yè)層面控制變量后的回歸結(jié)果，表3第（4）列則為加入控制變量和固定效應(yīng)后的回歸結(jié)果?；貧w結(jié)果顯示，數(shù)字化轉(zhuǎn)型（Digital）的回歸系數(shù)在所有模型中均顯著為正，說明企業(yè)數(shù)字化轉(zhuǎn)型能夠提高制造企業(yè)勞動(dòng)生產(chǎn)率，假設(shè)H1得到驗(yàn)證。

3.3?穩(wěn)健性檢驗(yàn)

前文實(shí)證結(jié)果表明了企業(yè)數(shù)字化轉(zhuǎn)型（Digital）對(duì)企業(yè)勞動(dòng)生產(chǎn)率（Labor）具有促進(jìn)作用，為進(jìn)一步論證該結(jié)論的可靠性，本文進(jìn)行一系列穩(wěn)健性檢驗(yàn)并考慮緩解可能存在的內(nèi)生性問題。

3.3.1?更換變量衡量方式

在被解釋變量方面，借鑒湯萱等[13]的研究，使用全要素生產(chǎn)率作為勞動(dòng)生產(chǎn)率的代理變量，具體如表4第（1）列和第（2）列所示，回歸結(jié)果顯示，數(shù)字化轉(zhuǎn)型（Digital）與勞動(dòng)生產(chǎn)率的替代變量（LP）之間仍然呈現(xiàn)顯著正相關(guān)關(guān)系，這表明對(duì)被解釋變量替換后結(jié)果依舊穩(wěn)健。在解釋變量方面，由于數(shù)字化轉(zhuǎn)型關(guān)鍵詞的選擇對(duì)于最終得到的數(shù)字化轉(zhuǎn)型指標(biāo)有著重要影響，參照趙宸宇等[31]研究中使用的數(shù)字化轉(zhuǎn)型關(guān)鍵詞，重新構(gòu)造數(shù)字化轉(zhuǎn)型程度變量Digital2進(jìn)行回歸，結(jié)果如表4第（3）、（4）列所示，數(shù)字化轉(zhuǎn)型的估計(jì)系數(shù)依然顯著為正，與基準(zhǔn)回歸結(jié)果保持一致。

3.3.2?核心解釋變量滯后處理

為了進(jìn)一步減少逆向因果方面的顧慮，本文嘗試使用滯后期模型，將滯后一期的企業(yè)數(shù)字化轉(zhuǎn)型（L.Digital）作為解釋變量，從而讓數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)生產(chǎn)率之間的因果關(guān)系更加明確，繼續(xù)驗(yàn)證本文的假設(shè)。在考慮了逆向因果可能導(dǎo)致的內(nèi)生性問題后，表4第（5）列中L.Digital的系數(shù)在1%的水平上仍顯著為正，本文結(jié)果依舊穩(wěn)健，假設(shè)H1再次得到驗(yàn)證。

3.3.3?改變樣本范圍

從2015年全國(guó)兩會(huì)“互聯(lián)網(wǎng)+”被寫入政府工作報(bào)告開始，行業(yè)的數(shù)字化轉(zhuǎn)型速度逐漸加快，所以調(diào)整了采樣范圍，并選擇2015年以后的樣本重新進(jìn)行回歸。見表4第（6）列，結(jié)果發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型的估計(jì)系數(shù)仍顯著為正值，并與基準(zhǔn)回歸結(jié)果基本相符。

4?進(jìn)一步分析

4.1?機(jī)制檢驗(yàn)

4.1.1?技術(shù)創(chuàng)新的中介效應(yīng)

表5第（1）列顯示，數(shù)字化轉(zhuǎn)型的系數(shù)為0.030，在1%水平上顯著為正。根據(jù)表5第（2）列，數(shù)字化轉(zhuǎn)型的系數(shù)為0. 040，在1%水平上顯著為正，說明數(shù)字化轉(zhuǎn)型顯著促進(jìn)了企業(yè)的技術(shù)創(chuàng)新水平。根據(jù)表5第（3）列，數(shù)字化轉(zhuǎn)型的系數(shù)為0.026，在 1%水平上顯著為正，企業(yè)技術(shù)創(chuàng)新的系數(shù)為0.107，在1%水平上顯著為正，說明企業(yè)技術(shù)創(chuàng)新水平在數(shù)字化轉(zhuǎn)型促進(jìn)制造業(yè)企業(yè)勞動(dòng)生產(chǎn)率的過程中發(fā)揮了部分中介效應(yīng)，假設(shè)H2得到支持。

4.1.2?成本費(fèi)用的中介效應(yīng)

根據(jù)表5第（4）列，數(shù)字化轉(zhuǎn)型的系數(shù)為-0.013，在1%水平上顯著為負(fù)，說明數(shù)字化轉(zhuǎn)型顯著降低了企業(yè)的成本費(fèi)用。根據(jù)表5第（5）列，數(shù)字化轉(zhuǎn)型的系數(shù)為0.025，在 1%水平上顯著為正，企業(yè)成本費(fèi)用的系數(shù)為-0.025，在1%水平上顯著為負(fù)，這表明數(shù)字化轉(zhuǎn)型通過降低企業(yè)經(jīng)營(yíng)過程中的成本費(fèi)用，進(jìn)一步促進(jìn)制造業(yè)企業(yè)勞動(dòng)生產(chǎn)率的提高，假設(shè)H3得到支持。

4.2?異質(zhì)性分析

4.2.1?地理區(qū)域異質(zhì)性

根據(jù)企業(yè)所在的地理區(qū)域，將研究樣本劃分為位于東部、中部、西部地區(qū)。表6第（1）-（3）列顯示，無論企業(yè)所處的地理位置如何，實(shí)施數(shù)字化轉(zhuǎn)型均顯著提升了企業(yè)勞動(dòng)生產(chǎn)率，但其對(duì)于西部地區(qū)企業(yè)勞動(dòng)生產(chǎn)率的提升作用相對(duì)更大?？赡艿脑蛴校簴|部地區(qū)往往經(jīng)濟(jì)水平高，基礎(chǔ)設(shè)施完善，技術(shù)先進(jìn)，生產(chǎn)要素豐富，因此數(shù)字化轉(zhuǎn)型所帶來的提升效應(yīng)相對(duì)較小。而西部地區(qū)的發(fā)展相對(duì)落后，基礎(chǔ)設(shè)施、生產(chǎn)管理技術(shù)和生產(chǎn)要素等方面仍有待完善，這也為數(shù)字化轉(zhuǎn)型提供了巨大的發(fā)展空間。

4.2.2?企業(yè)所有制異質(zhì)性

根據(jù)企業(yè)的所有制性質(zhì)，將研究樣本劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)。表6第（4）、（5）列顯示，數(shù)字化轉(zhuǎn)型對(duì)國(guó)有企業(yè)和非國(guó)有企業(yè)的勞動(dòng)生產(chǎn)率都呈現(xiàn)出顯著促進(jìn)作用，分別在1%、5%水平下顯著，說明國(guó)有企業(yè)的數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的促進(jìn)效果更明顯?？赡艿脑蚴牵菏紫?，國(guó)有企業(yè)通常擁有更為成熟的規(guī)劃體系，可以更好地將數(shù)字化轉(zhuǎn)型與企業(yè)戰(zhàn)略進(jìn)行融合；其次，國(guó)有企業(yè)通常更容易得到政府的政策支持和資金支持，進(jìn)一步增強(qiáng)了企業(yè)推動(dòng)數(shù)字化轉(zhuǎn)型的實(shí)力。

4.2.3?企業(yè)年齡異質(zhì)性

以企業(yè)年齡中位數(shù)作為標(biāo)準(zhǔn)，將研究樣本劃分為成熟企業(yè)和年輕企業(yè)。表6第（6）、（7）列顯示，數(shù)字化轉(zhuǎn)型對(duì)成熟企業(yè)的勞動(dòng)生產(chǎn)率呈現(xiàn)出顯著促進(jìn)作用，回歸系數(shù)為0.03，在1%水平下顯著。而年輕企業(yè)樣本下，數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的回歸系數(shù)雖為正，但是在5%水平下顯著?？赡艿脑蚴?，成熟企業(yè)具備更強(qiáng)的戰(zhàn)略規(guī)劃與執(zhí)行能力，確保轉(zhuǎn)型與核心業(yè)務(wù)融合，提升效率；成熟企業(yè)的業(yè)務(wù)流程和組織結(jié)構(gòu)通常更為穩(wěn)定和成熟。在數(shù)字化轉(zhuǎn)型過程中，其可以更容易地對(duì)現(xiàn)有流程進(jìn)行改造和優(yōu)化，提高組織效率。而年輕企業(yè)可能還在不斷探索和調(diào)整自己的業(yè)務(wù)模式和組織結(jié)構(gòu)，這在一定程度上影響其數(shù)字化轉(zhuǎn)型的效果。

5?結(jié)論、啟示與展望

5.1?研究結(jié)論

勞動(dòng)生產(chǎn)率是經(jīng)濟(jì)增長(zhǎng)的關(guān)鍵驅(qū)動(dòng)力，對(duì)于實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展意義重大。數(shù)字化轉(zhuǎn)型作為當(dāng)前企業(yè)的一個(gè)核心戰(zhàn)略是否以及如何影響企業(yè)勞動(dòng)生產(chǎn)率呢？為了回答上述問題，以2010-2022年中國(guó)A股上市制造業(yè)企業(yè)為研究樣本，探究數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響以及其作用機(jī)制。通過理論分析與實(shí)證研究，主要得出以下結(jié)論：①數(shù)字化轉(zhuǎn)型有利于提高企業(yè)勞動(dòng)生產(chǎn)率。數(shù)字化轉(zhuǎn)型與企業(yè)勞動(dòng)生產(chǎn)率呈顯著正相關(guān)關(guān)系，該結(jié)論在替換解釋變量與被解釋變量、改變樣本區(qū)間等一系列穩(wěn)健性檢驗(yàn)后依然成立。②影響機(jī)制方面，數(shù)字化轉(zhuǎn)型可以通過提升企業(yè)技術(shù)創(chuàng)新，降低企業(yè)成本費(fèi)用來提高企業(yè)勞動(dòng)生產(chǎn)率。③擴(kuò)展性檢驗(yàn)中，文章基于企業(yè)地理區(qū)域、企業(yè)所有制性質(zhì)和企業(yè)年齡3個(gè)層面進(jìn)行異質(zhì)性分析，結(jié)果表明數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的提升作用在西部地區(qū)企業(yè)、國(guó)有企業(yè)以及成熟企業(yè)中更為顯著。

5.2?管理啟示

第一，政府應(yīng)加大對(duì)企業(yè)數(shù)字化發(fā)展的政策和資金支持力度，以激發(fā)企業(yè)深入推進(jìn)數(shù)字化轉(zhuǎn)型的積極性。在這一過程中，應(yīng)發(fā)動(dòng)地區(qū)內(nèi)具有引領(lǐng)作用的“領(lǐng)頭羊”企業(yè)和社會(huì)資本共同參與，形成合力，共同助力企業(yè)數(shù)字化轉(zhuǎn)型的順利推進(jìn)。

第二，企業(yè)應(yīng)主動(dòng)推動(dòng)數(shù)字化與勞動(dòng)力要素的深度融合。對(duì)于制造企業(yè)而言，數(shù)字化轉(zhuǎn)型對(duì)其生產(chǎn)經(jīng)營(yíng)至關(guān)重要。因此，企業(yè)應(yīng)積極引進(jìn)數(shù)字化技術(shù)，并將其應(yīng)用于生產(chǎn)經(jīng)營(yíng)流程中，加速新興科技與傳統(tǒng)生產(chǎn)方式的深度融合，持續(xù)革新和優(yōu)化生產(chǎn)方式與管理模式，以實(shí)現(xiàn)降本增效。同時(shí)，企業(yè)還應(yīng)強(qiáng)化內(nèi)部溝通與協(xié)作，確保各部門在數(shù)字化轉(zhuǎn)型工作中能夠相互銜接、協(xié)同推進(jìn)，從而提升企業(yè)勞動(dòng)生產(chǎn)率。

第三，積極發(fā)揮技術(shù)創(chuàng)新的驅(qū)動(dòng)作用。技術(shù)創(chuàng)新是引領(lǐng)企業(yè)高質(zhì)量發(fā)展的關(guān)鍵動(dòng)力，有助于促進(jìn)企業(yè)勞動(dòng)生產(chǎn)率水平的提升。在高質(zhì)量發(fā)展過程中，企業(yè)需要深化數(shù)字技術(shù)的應(yīng)用與創(chuàng)新，創(chuàng)新是發(fā)展的動(dòng)力，必須堅(jiān)持持續(xù)的技術(shù)創(chuàng)新，不斷激活企業(yè)技術(shù)創(chuàng)新能力，提升技術(shù)創(chuàng)新成果的產(chǎn)出效率，為企業(yè)的長(zhǎng)遠(yuǎn)發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。

第四，針對(duì)不同制造業(yè)企業(yè)的異質(zhì)性特征，應(yīng)引導(dǎo)不同地理區(qū)域、不同所有制性質(zhì)、不同發(fā)展階段的企業(yè)探尋適合自身發(fā)展的數(shù)字化轉(zhuǎn)型戰(zhàn)略。在制定數(shù)字化轉(zhuǎn)型規(guī)劃時(shí)，需因地制宜，充分考慮企業(yè)的實(shí)際情況，努力走出轉(zhuǎn)型困境，優(yōu)化生產(chǎn)效率，實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型效率的倍增。

5.3?研究不足與展望

本研究仍存在一定不足。首先，本文所使用的樣本為制造業(yè)企業(yè)，未來研究可以進(jìn)一步檢驗(yàn)其他行業(yè)類型企業(yè)的數(shù)字化轉(zhuǎn)型與勞動(dòng)生產(chǎn)率之間的關(guān)系，如小微企業(yè)、高新技術(shù)企業(yè)、專精特新企業(yè)等，使得研究結(jié)論更具有普適性。其次，對(duì)數(shù)字化轉(zhuǎn)型影響企業(yè)勞動(dòng)生產(chǎn)率的路徑，還需要有更多的探索性研究，比如可以考慮納入情境變量進(jìn)行討論，考察環(huán)境不確定性、管理者短視、市場(chǎng)競(jìng)爭(zhēng)等變量發(fā)揮的調(diào)節(jié)作用等。

參考文獻(xiàn)參考文獻(xiàn)：

[1]?張煒，徐昌華.制造企業(yè)數(shù)字化轉(zhuǎn)型策略研究——以金龍客車為例[J].科技創(chuàng)業(yè)月刊，2023，36（3）：168-171.

［2］?蔣書茹.高管團(tuán)隊(duì)斷裂帶、動(dòng)態(tài)能力與企業(yè)數(shù)字化轉(zhuǎn)型[J].科技創(chuàng)業(yè)月刊，2023，36（9）：106-113.

［3］?王希元，傅帆，陳明明.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)收入份額的影響[J].金融與經(jīng)濟(jì)，2023（4）：76-84.

［4］?韓曉晨，陳風(fēng)帆.數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率——基于綠色創(chuàng)新的中介效應(yīng)分析[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（4）：71-87.

［5］?牛志偉，許晨曦，武瑛.營(yíng)商環(huán)境優(yōu)化、人力資本效應(yīng)與企業(yè)勞動(dòng)生產(chǎn)率[J].管理世界，2023，39（2）：83-100.

［6］?孫湘湘，陳章旺.數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)生產(chǎn)率的影響研究——基于馬克思主義政治經(jīng)濟(jì)學(xué)的視角[J].中北大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024，40（1）：13-21.

［7］?郭凱明，羅章權(quán)，杭靜.中國(guó)勞動(dòng)生產(chǎn)率的國(guó)際比較與遠(yuǎn)景展望（1992-2035）[J].經(jīng)濟(jì)學(xué)（季刊），2023，23（6）：2194-2212.

［8］?李懷政，田曉宇，吳虹.人工智能滲透、勞動(dòng)生產(chǎn)率與中國(guó)制造業(yè)出口韌性提升[J].西北人口，2023，44（6）：29-42.

［9］?黃建康，潘鈺秋.數(shù)字經(jīng)濟(jì)對(duì)工業(yè)勞動(dòng)生產(chǎn)率的影響研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（12）：38-44.

［10］?花俊國(guó)，劉暢，朱迪.數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)全要素生產(chǎn)率[J].南方金融，2022（7）：54-65.

［11］?袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國(guó)工業(yè)經(jīng)濟(jì)，2021（9）：137-155.

［12］?戚聿東，蔡呈偉.數(shù)字化對(duì)制造業(yè)企業(yè)績(jī)效的多重影響及其機(jī)理研究[J].學(xué)習(xí)與探索，2020（7）：108-119.

［13］?湯萱，高星，賴曉冰. 數(shù)字化轉(zhuǎn)型對(duì)企業(yè)勞動(dòng)生產(chǎn)率的影響研究[J]. 經(jīng)濟(jì)縱橫，2022（9）：104-112.

［14］?許晨曦，武瑛，牛志偉.數(shù)字化賦能企業(yè)勞動(dòng)生產(chǎn)率提升：內(nèi)在邏輯與中國(guó)經(jīng)驗(yàn)[J].北京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（5）：152-160.

［15］?金紹榮，唐詩(shī)語(yǔ)，任贊杰.數(shù)字化轉(zhuǎn)型能提升農(nóng)業(yè)企業(yè)全要素生產(chǎn)率嗎？[J].改革，2024（2）：131-148.

［16］?杜傳忠，張遠(yuǎn).數(shù)字經(jīng)濟(jì)發(fā)展對(duì)企業(yè)生產(chǎn)率增長(zhǎng)的影響機(jī)制研究[J]. 證券市場(chǎng)導(dǎo)報(bào)，2021（2）：41-51.

［17］?KROMANN L，MALCHOW-M O LLER N，SKAKSEN J R，et al.Automation and productivity——a cross-country， cross-industry comparison[J]. Industrial and Corporate Change，2020，29（2）：265-287.

［18］?陳夢(mèng)根，周元任.數(shù)字化對(duì)企業(yè)人工成本的影響[J].中國(guó)人口科學(xué)，2021（4）：45-60.

［19］?劉淑春，閆津臣，張思雪，等.企業(yè)管理數(shù)字化變革能提升投入產(chǎn)出效率嗎[J].管理世界，2021，37（5）：170-190.

［20］?金昕，伍婉萱，邵俊崗.數(shù)字化轉(zhuǎn)型、智力資本與制造業(yè)技術(shù)創(chuàng)新[J].統(tǒng)計(jì)與決策，2023，39（9）：158-162.

［21］?李薇，李莉.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)技術(shù)創(chuàng)新的影響研究[J]. 鄭州輕工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，24（2）：75-82.

［22］?王丁.技術(shù)創(chuàng)新、融資約束與企業(yè)全要素生產(chǎn)率[J].財(cái)經(jīng)理論研究，2022（5）：105-112.

［23］?鮑曉娜，范曉男.實(shí)體企業(yè)金融化、技術(shù)創(chuàng)新與生產(chǎn)率提升——基于中國(guó)上市公司的經(jīng)驗(yàn)研究[J].科技管理研究， 2023，43（8）：133-143.

［24］?葉典，彭飛.實(shí)施數(shù)字化轉(zhuǎn)型提高了企業(yè)生產(chǎn)效率嗎？——來自我國(guó)上市公司的經(jīng)驗(yàn)證據(jù)[J].工信財(cái)經(jīng)科技， 2023（5）：13-41.

［25］?沈國(guó)兵，袁征宇.企業(yè)互聯(lián)網(wǎng)化對(duì)中國(guó)企業(yè)創(chuàng)新及出口的影響[J]. 經(jīng)濟(jì)研究，2020，55（1）：33-48.

［26］?蔡慶豐，王瀚佑，李東旭.互聯(lián)網(wǎng)貸款、勞動(dòng)生產(chǎn)率與企業(yè)轉(zhuǎn)型——基于勞動(dòng)力流動(dòng)性的視角[J].中國(guó)工業(yè)經(jīng)濟(jì)， 2021（12）：146-165.

［27］?謝繁寶，樊瑤.營(yíng)商環(huán)境對(duì)企業(yè)勞動(dòng)生產(chǎn)率影響效應(yīng)的實(shí)證檢驗(yàn)[J].統(tǒng)計(jì)與決策，2022，38（8）：179-183.

［28］?姚加權(quán)，張錕澎，羅平.金融學(xué)文本大數(shù)據(jù)挖掘方法與研究進(jìn)展[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2020（4）：143-158.

［29］?吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J].管理世界，2021，37（7）：130-144.

［30］?劉凱月，劉瑞，李天旭，等.制造業(yè)服務(wù)化水平、技術(shù)創(chuàng)新與全要素生產(chǎn)率[J].財(cái)經(jīng)理論研究，2022（2）：89-101.

［31］?趙宸宇，王文春，李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財(cái)貿(mào)經(jīng)濟(jì)，2021，42（7）：114-129.

責(zé)任編輯（責(zé)任編輯：李苗苗）